另一种方法是，用我们的芯片，再加上用眼睛本身来做照相机的话，就可以解决来回动脖子的问题。因为我们芯片的3600个神经节细胞输出可以实现接近正常的视野。不过具有生物适应性的材料和激发界面还需要进一步完善，也许要到2010年左右才可能真正实现高度安全的修补术。而且还需要更深入地理解不同的视网膜细胞都是如何对刺激进行反应的，以及它们是如何参与形成感知觉的。现阶段的神经芯片可以用作自动装置或者安全应用的传感器，或者用到机器人以及工厂自动化系统中去。



        元类化神经联络            

        我们通过改变视网膜达到了节能的目的，这很激励人心。我不禁开始思考人脑为何能够达到如此高能效的地步。Mead在20年前就很有先见之明地预言说，即便计算机还能保持摩尔定律（即每平方英寸可集成的晶体管数目每隔18个月便会翻一番）预测的发展速度，我们所知的计算机也根本不能达到人脑的效能量级。那么要如何才能达到呢？8年前，我渐渐悟出了这个问题的解决方案。            

        我意识到，高效率操作来自于硬件对所需要完成的任务的适应程度。传统计算机不能调整自我以实现这种适应；所以它们通过软件来实现适应。今天的计算机仅用几条通用目标工具来解决每一项工作；软件仅仅改变使用工具的顺序。与此不同的是，不断完善硬件是大脑和类神经芯片的共同点。它们改进工具以完成特定工作。不过大脑是如何进行自我完善的呢？如果我们可以把这种机制运用到硅芯片上（就是元类化），我们就可以有自己的类神经自适应芯片，它们用类似大脑的方法来完善自己。这样，我们就不需要做繁杂痛苦的工作来重建大脑回路了。我于是开始研究神经发展学，希望可以学习到关于身体是如何产生它们所需要的工具的更多知识。            

        建立大脑的神经网络——由10*16个神经突触联接的10*12个神经元——是一项几乎不可能的任务。尽管人类DNA包含了大概10亿字节的信息量，但这个数量并不能说清神经元的走向，以及它们是怎样联络的。在早期发展阶段，大脑在使用了这些基因信息以后，就通过内部神经元之间的相互作用，以及身体和外部世界的交互作用，来进一步自我完善。换句话说，感觉神经元是自己连线来感知外界输入的。调控这个过程的总原则简单得令人迷惑：一起放电的神经元会联接到一处。也就是说，对于一个神经元接受到的所有信号来说，它只对那些来自于和它一起被激活的神经元的信号起反应，而忽略其他。            

        为理解一层神经元是如何连线到另一层，神经学家们研究了青蛙连接视网膜和中脑（处理感觉器官输入的信号的区域）的神经纤维的投射情况。他们发现将一层神经元连接到另一层的过程中会经历两个阶段。一个新生神经元将突起（“臂”）延伸到一个多支树上。最长的臂就成为轴突，这是细胞的输入线路；其他部分就成为树突，是输入线路。轴突还会继续生长，被它尖端的一个像变形虫的结构牵引。这个生长锥（这是科学家们的叫法）能感觉用于神经通讯的化学信号的浓度分布，从而引导轴突到达中脑那个细胞城市（如果这样比喻的话）中正确的街道上，而不是确切要去的那栋楼。            

        将目标再缩小到中脑城市中确切的楼房位置需要进行第二步工作，不过科学家们还不太理解这个过程的细节。但现在很清楚的是，相邻的视网膜神经节细胞也会一起被激活放电。这个事实让我思索，是不是轴突可以通过定位被激活的中脑神经元所释放的化学气味，来发现它在中脑中的视网膜细胞邻居，因为它的邻居最有可能在此踪迹的源头出现。一旦轴突和中脑神经元的树突取得了联系，它们之间就形成一个神经突触，而且，就是这样啦，两个一起放电的神经元就联接到一块儿了！            

        在2001年，我实验室里的一位博士生Brian  Taba以这种大脑发展过程为模型建立了一个芯片。因为金属线是不能重新分布（路由）的，他就采取了重新分布尖峰电流的方法。他利用的是Zaghloul的Visio1芯片，Visio1每输出一个13位地址时，3600个中央神经元细胞中的一个就会放电。有效传播芯片上有限的输入/输出端口的方法是传递地址而不是尖峰电流。地址由接收芯片解码，这样在硅神经拼图上的正确地点重建了尖峰电流。这个技术制造了一束轴突实体，它们在两个芯片相对应的位置上跑来跑去——这就是硅视神经。如果我们用一个地址替代另外一个，我们就是把属于一个神经元（原地址）的实体轴突重新路由到另一个位置（替代地址）上了。我们可以通过把这些替代地址存储在一个数据库（路由表）中，并用原地址来找回它们，以将这些“软线”连接到任何我们想要它们去的地方。            

        在Taba的人造中脑芯片中（他给它起名叫Neurotrope1），软线激活对浓度梯度敏感的回路（硅“生长锥”）以及附近的硅神经元，它们位于蜂房状网格的单元中。当硅神经元活动时，它们向网格中释放电荷，Taba把这些网格设计成像晶体管那样可以传导电荷。电荷在网格中扩散的方式很像中脑细胞释放的穿过神经组织的化学物质。硅生长锥能感知这些正在“扩散”的“化学物质”，并且把它们的软线拖至浓度梯度的方向——即朝向电荷的硅神经元源头——这通过更新路由表来实现。因为电荷必须由硅神经元释放，且同时由硅生长锥感知，所以软线会在同时活动的相互联接的神经元处截止。这样，Neurotrope1就能把同时放电的神经元连接到一块儿，就像真正生长中的轴突一样。